In Breve
- Come funziona l'algoritmo per il diabete?
- L'algoritmo analizza registrazioni vocali di 20 secondi per identificare segnali associati al diabete di tipo 2.
- Qual è il tasso di accuratezza del modello?
- Il modello ha identificato correttamente il diabete nell'80% dei casi durante i test iniziali.
- Può l'algoritmo sostituire gli esami ematici?
- No, l'algoritmo non può sostituire gli esami ematici e richiede ulteriori validazioni cliniche.
Un recente studio ha rivelato che un modello di intelligenza artificiale è in grado di identificare segnali associati al diabete di tipo 2 analizzando registrazioni vocali di soli 20 secondi. Questo innovativo sistema è stato presentato al congresso dell’European Association for the Study of Diabetes e sviluppato in collaborazione tra una società di deep tech e la RMIT University di Melbourne.
Il modello è stato addestrato su un vasto campione di 63.283 registrazioni vocali provenienti da 21.129 individui nel Regno Unito e negli Stati Uniti. I ricercatori hanno identificato cambiamenti vocali che possono essere indicativi della malattia, come raucedine, ruvidità e alterazioni nel controllo della respirazione durante il parlato.
Nella fase di validazione, i partecipanti hanno letto una favola di Esopo per 20 secondi, registrando la loro voce a distanza. In un primo test su 7.319 adulti del Regno Unito, il modello ha correttamente identificato il diabete nell’80% dei casi, mostrando prestazioni simili tra uomini e donne e attraverso diverse fasce d’età. Tuttavia, è emerso che la performance era inferiore nei partecipanti di etnia nera, probabilmente a causa del numero limitato di casi di diabete in quel gruppo.
In un secondo confronto, il modello è stato testato rispetto ai valori di emoglobina glicata (HbA1c) su 801 partecipanti che avevano effettuato il test a domicilio entro tre mesi dalla registrazione vocale. Qui, il sistema ha indicato un rischio più elevato per le persone con diabete nel 75% dei casi, con una sensibilità dell’82% e un tasso di falsi positivi del 47%. Inoltre, l’algoritmo è riuscito a classificare i partecipanti in categorie di rischio basso, medio e alto basate sui valori di HbA1c, evidenziando che nessuno di coloro classificati nella fascia di rischio più bassa presentava valori compatibili con diabete o prediabete.
È importante sottolineare che, nonostante i risultati promettenti, il modello non può sostituire gli esami ematici tradizionali. Sono necessarie ulteriori validazioni cliniche e test su popolazioni diverse per confermare l’affidabilità del sistema. Tra le possibili applicazioni future, si prevede l’uso di brevi registrazioni vocali tramite telefono o app come strumento di triage in medicina generale, per indirizzare a successivi esami ematici le persone identificate a maggior rischio. Tuttavia, resta da dimostrare l’efficacia e l’applicabilità su larga scala di questa tecnologia.